时变大规模MIMO网络中信道参数的稀疏估计方法与流程

本发明属于通信
技术领域：
，更进一步涉及无线通信
技术领域：
中的一种时变大规模多输入多输出mimo(multiple-inputmultiple-output)网络中信道参数的稀疏估计方法。本发明可用于估计无线通信信道中的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数，基站使用这些参数恢复蜂窝网小区用户的发送信号。
背景技术：
大规模mimo网络由于频谱效率高，信道容量大，抗干扰能力强等优点，已经成为满足下一代蜂窝网络容量需求的核心技术。信道状态信息估计作为接收端恢复发送信号的关键环节，对其进行研究具有重大的现实意义。目前常采用的信道估计方法是稀疏信道估计算法。由于利用了信道的稀疏性，该类算法不仅信道估计精确度高，而且导频开销较低。但是计算复杂度高，对系统实时性要求较高，在时变的大规模mimo网络中算法性能较低。电子科技大学在其申请的专利文献“一种多用户大规模mimo系统中的迭代信道估计方法”(申请号201510527405.5，申请公开号cn105049385a)中公开了一种频分双工模式下的单天线多用户大规模mimo系统的信道估计方法。该方法在贝叶斯压缩感知框架下，利用多用户大规模mimo信道的联合稀疏性降低信道估计开销。其基本模型是一个基站服务多个移动用户，基站端配置了大规模天线阵，移动用户配置单天线，利用信道的联合稀疏性，引入基于贝叶斯方法的迭代算法进行信道估计。该方法能够有效减少信道估计的开销，使得信道估计的时间远小于信道的相干时间，但是，该方法仍然存在的不足之处是，不适用于时分双工模式。安徽师范大学在其申请的专利文献“tdd大规模mimo系统多用户联合信道估计方法”(申请号201610561361.2，申请公开号cn106130938a)中公开了一种面向大规模mimo通信系统的上行链路多用户联合信道估计方法。该方法首先通过虚拟信道描述实现物理信道矩阵的稀疏表示，接着将目标小区和干扰小区的多用户联合信道估计建模为压缩感知框架里的二维稀疏信号重构，然后通过二维稀疏信号重构算法联合估计出多用户的信道状态信息。该多用户联合信道估计方法能够大幅度地减少导频数目，并能消除导频污染的干扰和提高信道估计的精度。但是，该方法仍然存在的不足之处是，在对物理信道矩阵进行稀疏表示时没有考虑网络的时变性，无法应用于时变的大规模mimo网络。技术实现要素：本发明的目的在于针对上述现有技术的不足，提供了一种时变大规模mimo网络中信道参数的稀疏估计方法。本发明的具体思路是，对于一个基站管控多个蜂窝网小区，基站在连续的多个时隙内只与一个移动的蜂窝网小区用户通信，基站与每个蜂窝网小区用户间的信道在一个时隙内保持不变，相邻的时隙间动态时变的通信场景，通过构建基站接收信号的虚拟信道稀疏信号模型，利用卡尔曼滤波器和低复杂度搜索算法估计虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数。为了实现上述目的，本发明的具体实现步骤如下：(1)构建基站接收信号的虚拟信道稀疏信号模型如下：其中，ym表示在第m个时隙基站接收信号的虚拟信道稀疏信号，τ表示与基站进行当前通信的蜂窝网小区中用户的总数，σ表示求和操作，k表示与基站进行当前通信的蜂窝网小区用户的序号，fg表示g×g大小的归一化傅里叶矩阵，g表示基站的天线数，h表示共轭转置操作，diag(ck)表示对角线元素为第k个蜂窝网小区用户的信道稀疏参数ck的对角矩阵，rk,m表示第k个蜂窝网小区用户在第m个时隙上对应的虚拟信道，sk表示第k个蜂窝网小区用户的发送信号，t表示转置操作，nm表示第m个时隙对应的信道的独立加性高斯白噪声；(2)从未选取的时隙中选取时隙序号最小的时隙；(3)利用卡尔曼滤波器，计算虚拟信道方差值：(3a)利用方差值预测公式，计算所选时隙上的每个蜂窝网小区用户的虚拟信道方差值的预测值；(3b)利用卡尔曼滤波器参数公式，通过虚拟信道方差值的预测值，计算卡尔曼滤波器参数；(3c)求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道方差值的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道方差值的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道方差值；(4)计算虚拟信道值：(4a)求所选时隙上每个蜂窝网小区用户在前一次得到的所有时隙中的虚拟信道转移状态值与该蜂窝网小区用户在前一个时隙上的虚拟信道的预测值的乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道的预测值；(4b)求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道值；(5)判断是否存在最小的未选取时隙，若是，则执行步骤(2)，否则，执行步骤(6)；(6)判断是否存在未选取的时隙，若是，则选取未选取的时隙后执行步骤(3)，否则，执行步骤(7)；(7)按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个时隙中的虚拟信道自相关后验统计概率：其中，θk,m表示第k个蜂窝网小区用户在第m个时隙的虚拟信道自相关后验统计概率，rk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道值，ψk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道方差值；(8)按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个相邻时隙中的虚拟信道互相关后验统计概率：其中，πk,m-1,m表示第k个蜂窝网小区用户在第m-1个时隙与第m个时隙的虚拟信道互相关后验统计概率，bk,m表示第k个蜂窝网小区用户的第m个时隙上的增益参数，其取值范围为大于0小于1的小数，本发明中第k个蜂窝网小区用户的第m个时隙上的增益参数为0.5，rk,m-1表示第k个蜂窝网小区用户在第m-1个时隙上的虚拟信道值；(9)利用下式，联合估计每个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值和虚拟信道转移状态噪声方差值：其中，αk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值，λk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态噪声方差值，max{·}表示求最大值操作，ln表示以自然底数为底的对数操作，|·|表示绝对值操作，θk,m-1表示第k个蜂窝网小区用户在第m-1个时隙的虚拟信道自相关后验统计概率，re{·}表示取实部操作；(10)利用低复杂度搜索算法，估计每个蜂窝网小区用户在所有时隙中的信道稀疏性参数：(10a)利用最大似然函数的期望公式，计算大小为g×g的单位矩阵的每一列对应的最大似然函数的期望值，将最大似然函数的期望值的最大值对应的列作为初始列向量；(10b)判断初始列向量的第一个元素是否为1，若是，则执行步骤(10e)，否则，执行步骤(10c)；(10c)将初始列向量中元素值为1的最小元素序号的前一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值；(10d)判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值后执行步骤(10c)，否则，执行步骤(10e)；(10e)将初始列向量中元素值为1的最大元素序号的后一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值；(10f)判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值，执行步骤(10e)，否则，将当前的初始列向量值作为信道稀疏性参数，执行步骤(11)；(11)判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若是，则执行步骤(12)，否则，执行步骤(2)；(12)将满足终止条件的当前虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数，作为时变大规模mimo网络中稀疏估计后的信道参数。本发明与现有技术相比具有以下优点：第一，由于本发明在构建基站接收信号的虚拟信道稀疏信号模型时考虑了网络的时变性参数，克服了现有技术在对物理信道矩阵进行稀疏表示时没有考虑网络的时变性，无法应用于时变的大规模mimo网络的问题，使得本发明可以应用于时变的大规模mimo网络。第二，由于本发明在构建基站接收信号的虚拟信道稀疏信号模型的基础上，利用卡尔曼滤波器计算虚拟信道方差值，采用低复杂度搜索算法估计信道稀疏性参数，克服了现有技术不适用于时分双工模式的问题，使得本发明既适用于频分双工模式也适用于时分双工模式。附图说明图1是本发明的流程图；图2是本发明仿真实验1的结果图；图3是本发明仿真实验2在用户移动速率不同的情况下，虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的均方误差随系统信噪比变化的仿真结果图。具体实施方式下面结合附图对本发明做进一步的描述。参照附图1，对本发明的具体步骤做进一步的描述。步骤1，构建基站接收信号的虚拟信道稀疏信号模型如下。其中，ym表示在第m个时隙基站接收信号的虚拟信道稀疏信号，τ表示与基站进行当前通信的蜂窝网小区中用户的总数，σ表示求和操作，k表示与基站进行当前通信的蜂窝网小区用户的序号，fg表示g×g大小的归一化傅里叶矩阵，g表示基站的天线数，h表示共轭转置操作，diag(ck)表示对角线元素为第k个蜂窝网小区用户的信道稀疏参数ck的对角矩阵，rk,m表示第k个蜂窝网小区用户在第m个时隙上对应的虚拟信道，sk表示第k个蜂窝网小区用户的发送信号，t表示转置操作，nm表示第m个时隙对应的信道的独立加性高斯白噪声。步骤2，从未选取的时隙中选取时隙序号最小的时隙。步骤3，利用卡尔曼滤波器，计算虚拟信道方差值。按照下式，计算所选时隙上的每个蜂窝网小区用户的虚拟信道方差值的预测值。其中，φk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道方差值的预测值，表示第k个蜂窝网小区用户在前一次得到的所有时隙中的虚拟信道转移状态值，ψk,m-1表示第k个蜂窝网小区用户在第m-1个时隙上的虚拟信道的方差值，表示第k个蜂窝网小区用户在前一次得到的所有时隙中的虚拟信道转移状态噪声的方差值。按照下式，通过虚拟信道方差值的预测值，计算卡尔曼滤波器参数。kk,m＝φk,m(bk,mφk,m+σ2)其中，kk,m表示第k个蜂窝网小区用户在第m个时隙上的卡尔曼滤波器的参数，bk,m表示第k个蜂窝网小区用户的第m个时隙上的增益参数，其取值范围为大于0小于1的小数，本发明中第k个蜂窝网小区用户的第m个时隙上的增益参数为0.5，σ2表示独立加性高斯白噪声nm的功率。求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道方差值的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道方差值的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道方差值。步骤4，计算虚拟信道值。求所选时隙上每个蜂窝网小区用户在前一次得到的所有时隙中的虚拟信道转移状态值与该蜂窝网小区用户在前一个时隙上的虚拟信道的预测值的乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道的预测值。求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道值。步骤5，判断是否存在最小的未选取时隙，若是，则执行步骤2，否则，执行步骤6。步骤6，判断是否存在未选取的时隙，若是，则选取未选取的时隙后执行步骤3，否则，执行步骤7。步骤7，按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个时隙中的虚拟信道自相关后验统计概率。其中，θk,m表示第k个蜂窝网小区用户在第m个时隙的虚拟信道自相关后验统计概率，rk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道值，ψk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道方差值。步骤8，按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个相邻时隙中的虚拟信道互相关后验统计概率。其中，πk,m-1,m表示第k个蜂窝网小区用户在第m-1个时隙与第m个时隙的虚拟信道互相关后验统计概率，rk,m-1表示第k个蜂窝网小区用户在第m-1个时隙上的虚拟信道值。步骤9，利用下式，联合估计每个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值和虚拟信道转移状态噪声方差值。其中，αk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值，λk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态噪声方差值，max{·}表示求最大值操作，ln表示以自然底数为底的对数操作，|·|表示绝对值操作，θk,m-1表示第k个蜂窝网小区用户在第m-1个时隙的虚拟信道自相关后验统计概率，re{·}表示取实部操作。步骤10，利用低复杂度搜索算法，估计每个蜂窝网小区用户在所有时隙中的信道稀疏性参数。第1步，利用最大似然函数的期望公式，计算大小为g×g的单位矩阵的每一列对应的最大似然函数的期望值，将最大似然函数的期望值的最大值对应的列作为初始列向量。最大似然函数的期望公式如下：其中，q(ck)表示第k个蜂窝网小区用户的信道稀疏性参数ck的最大似然函数的期望，||·||2表示二范式操作。第2步，判断初始列向量的第一个元素是否为1，若是，则执行本步骤第5步，否则，执行本步骤第3步。第3步，将初始列向量中元素值为1的最小元素序号的前一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值。最大似然函数的期望公式如下：其中，q(ck)表示第k个蜂窝网小区用户的信道稀疏性参数ck的最大似然函数的期望，||·||2表示二范式操作。第4步，判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值后执行本步骤第3步，否则，执行本步骤第5步。第5步，将初始列向量中元素值为1的最大元素序号的后一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值。最大似然函数的期望公式如下：其中，q(ck)表示第k个蜂窝网小区用户的信道稀疏性参数ck的最大似然函数的期望，||·||2表示二范式操作。第6步，判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值，执行本步骤第5步，否则，将当前的初始列向量值作为信道稀疏性参数，执行步骤12。步骤11，判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若是，则执行步骤12，否则，执行步骤2。终止条件是指，将当前得到的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数分别与前一次得到的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数进行比较，将三个值均相等的情形作为终止条件。步骤12，将满足终止条件的当前虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数，作为时变大规模mimo网络中稀疏估计后的信道参数。下面结合仿真实验对本发明的效果做进一步的说明。1.仿真条件：本发明仿真实验的运行系统是：windows764位操作系统，cpu为intel(r)core(tm)i3-cpu550u@3.20ghz，内存为4g，编译环境为matlab2014b。本发明的具体仿真参数信息见表1。表1仿真参数信息表基站天线总数128基站管控的小区数8蜂窝网小区的用户数4发送信号长度4独立加性高斯白噪声的功率1时隙个数160符号周期1us载波频率2ghz蜂窝网小区用户移动速度0～200km/h2.仿真实验内容与结果分析：本发明的仿真实验有两个。本发明的仿真实验1是在信噪比为30db，蜂窝网小区用户的移动速度为50km/h下，采用本发明的方法，对mimo网络中每个蜂窝网小区用户在所有时隙上的虚拟信道进行仿真，估计每个蜂窝网小区用户的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的估计值。判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若不是，则增加迭代次数，得到当前迭代次数下每个蜂窝网小区用户的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的估计值，若是，则仿真结束。利用均方误差公式，分别计算不同迭代次数下所有蜂窝网小区用户的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的均方误差，分别绘制虚拟信道转移状态值均方误差、虚拟信道转移状态噪声方差值均方误差和信道稀疏性参数均方误差随迭代次数变化的曲线，仿真结果如图2所示。图2中的纵坐标表示均方误差，横坐标表示迭代次数。图2中以五角星标示的实线表示虚拟信道转移状态噪声方差值的均方误差随迭代次数变化的曲线。图2中以菱形标示的实线表示信道稀疏性参数随迭代次数变化的曲线。图2中以圆形标示的实线表示虚拟信道转移状态值的均方误差随迭代次数变化的曲线。从图2可以看出，当虚拟信道转移状态噪声方差值、信道稀疏性参数和虚拟信道转移状态值的均方误差保持不变时所需要的迭代次数都小于5次，说明在时变的mimo网络，本发明估计信道参数收敛速度快。本发明的仿真实验2是采用本发明的方法，给虚拟信道加入不同的噪声，得到不同信噪比的虚拟信道，对移动速度为50km/h的mimo网络中的蜂窝网小区用户，估计不同信噪比时，虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数。判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若不是，则增加迭代次数，得到当前迭代次数下每个蜂窝网小区用户的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的估计值，若是，则得到速度为50km/h的每个蜂窝网小区用户在不同信噪比时，在所有时隙上的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数。增加蜂窝网小区用户的移动速度，对移动速度为100km/h的mimo网络中蜂窝网小区用户，估计不同信噪比时，虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数。判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若不是，则增加迭代次数，得到当前迭代次数下每个蜂窝网小区用户的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的估计值，若是，则得到速度为100km/h的每个蜂窝网小区用户在不同信噪比时，在所有时隙上的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数。利用均方误差公式，分别计算不同信噪比时的所有蜂窝网小区用户在移动速度为50km/h和100km/h时的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的均方误差，绘制蜂窝网小区用户在50km/h和100km/h两种移动速度下，虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数的均方误差随信噪比变化的曲线，得到的仿真结果如图3所示。图3中的纵坐标表示均方误差，横坐标表示信噪比。图3中的以菱形标示的实线曲线表示蜂窝网小区用户移动速度为50km/h时，虚拟信道转移状态噪声方差值的均方误差随信噪比变化的曲线。图3中以菱形标示的虚线表示蜂窝网小区用户移动速度为100km/h时，虚拟信道转移状态噪声方差值的均方误差随信噪比变化的曲线。图3中以五角星标示的虚线表示蜂窝网小区用户移动速度为100km/h时，虚拟信道转移状态值的均方误差随信噪比变化的曲线。图3中的以五角星标示的实线曲线表示蜂窝网小区用户移动速度为50km/h时，虚拟信道转移状态值的均方误差随信噪比变化的曲线。图3中以正方形标示的实线表示蜂窝网小区用户移动速度为100km/h时，信道稀疏性参数的均方误差随信噪比变化的曲线。图3中的以加号标示的实线曲线表示蜂窝网小区用户移动速度为50km/h时，信道稀疏性参数的均方误差随信噪比变化的曲线。从图3中可以看出，本发明在蜂窝网小区用户移动速率增加到100km/h时估计的虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数均方误差仍然较小，说明本发明适用于时变的大规模mimo网络。上述所使用的均方误差公式如下：其中，mesx表示信道参数x的均方误差，xk表示第k个蜂窝网小区用户的信道参数x的估计值，xk表示第k个蜂窝网小区用户的信道参数x的实际值。当前第1页12